如何对每个 ID 一行和多个虚拟对象 == 1 进行虚拟化？

Question

我一直在从事与变量虚拟化相关的工作，但我一直无法获得我正在寻找的结果。我确信一定有一个简单的解决方案，但无法找到它。

我的数据集如下所示：

TM_ID	APPLICATION_YEAR	过期	持续时间	不错
5	1870	1902	32	第 34 类
6	1870	1891	21	第 32 类
19	1902	1943	41	第 34 类
19	1902	1943	41	第 16 类
20	1876	1881	5	第 34 类
21	1876	1877	12	第 34 类
70	1877	1902	25	第 16 类
70	1877	1902	25	第 34 类

我想对 NICE 列进行虚拟化以获得每个 TM_ID 一行以及代表 NICE 列中每个级别的列。

我尝试使用 dummyVars();它为每个级别创建了一个虚拟对象，但每个 TM_ID 仍然有多个观察值。我也尝试过使用 dcast() 或pivot_wider()，但我无法实现我所需要的。它应该看起来像这样：

TM_ID	APPLICATION_YEAR	过期	持续时间	第 16 类	第 32 类	第 34 类
5	1870	1902	32	0	0	1
6	1870	1891	21	0	1	0
19	1902	1943	41	1	0	1
20	1876	1881	5	0	0	1
21	1876	1877	12	0	0	1
70	1877	1902	25	1	0	1

NICE 级别的每个相应列中每个 ID 和 1 是否只有一个观察结果。

我发现做到这一点的唯一方法是首先使用 dummyVars() 进行单热编码，然后使用 group_by() 和 mutate()，例如：

group_by(TM_ID) %>%
mutate(NICE_1 = sum(NICE.1), NICE_10 = sum(NICE.10), NICE_11 = sum(NICE.11)......

但是这个解决方案的问题是我必须在 mutate 中输入每个参数，每个虚拟一个（原始变量的级别）。如果有数百个级别怎么办？

Answer 1

您可以使用

pivot_wider

获取宽格式的数据，并使用

values_fn = length

虚拟化

NICE

列。

library(dplyr)
library(tidyr)

res <- df %>%
  arrange(NICE) %>%
  pivot_wider(names_from = NICE, values_from = NICE, 
              values_fn = length, values_fill = 0)

res

#  TM_ID APPLICATION_YEAR EXPIRATION DURATION `CLASE 16` `CLASE 32` `CLASE 34`
#  <int>            <int>      <int>    <int>      <int>      <int>      <int>
#1    19             1902       1943       41          1          0          1
#2    70             1877       1902       25          1          0          1
#3     6             1870       1891       21          0          1          0
#4     5             1870       1902       32          0          0          1
#5    20             1876       1881        5          0          0          1
#6    21             1876       1877       12          0          0          1 

数据

df <- structure(list(TM_ID = c(5L, 6L, 19L, 19L, 20L, 21L, 70L, 70L
), APPLICATION_YEAR = c(1870L, 1870L, 1902L, 1902L, 1876L, 1876L, 
1877L, 1877L), EXPIRATION = c(1902L, 1891L, 1943L, 1943L, 1881L, 
1877L, 1902L, 1902L), DURATION = c(32L, 21L, 41L, 41L, 5L, 12L, 
25L, 25L), NICE = c("CLASE 34", "CLASE 32", "CLASE 34", "CLASE 16", 
"CLASE 34", "CLASE 34", "CLASE 16", "CLASE 34")), row.names = c(NA, 
-8L), class = "data.frame")

Answer 2

使用

data.table

library(data.table)
dcast(setDT(df)[order(NICE)], ... ~ NICE, value.var = 'NICE', length)
   TM_ID APPLICATION_YEAR EXPIRATION DURATION CLASE 16 CLASE 32 CLASE 34
1:     5             1870       1902       32        0        0        1
2:     6             1870       1891       21        0        1        0
3:    19             1902       1943       41        1        0        1
4:    20             1876       1881        5        0        0        1
5:    21             1876       1877       12        0        0        1
6:    70             1877       1902       25        1        0        1

数据

df <- structure(list(TM_ID = c(5L, 6L, 19L, 19L, 20L, 21L, 70L, 70L
), APPLICATION_YEAR = c(1870L, 1870L, 1902L, 1902L, 1876L, 1876L, 
1877L, 1877L), EXPIRATION = c(1902L, 1891L, 1943L, 1943L, 1881L, 
1877L, 1902L, 1902L), DURATION = c(32L, 21L, 41L, 41L, 5L, 12L, 
25L, 25L), NICE = c("CLASE 34", "CLASE 32", "CLASE 34", "CLASE 16", 
"CLASE 34", "CLASE 34", "CLASE 16", "CLASE 34")), row.names = c(NA, 
-8L), class = "data.frame")